Этот вопрос не полностью совпадает с проблемой покрытия жадного набора, но они имеют одну и ту же идею.
Учитывая кадр данных Pandas df1 с одним столбцом df['s'], состоящим из набора ключей df2:
import numpy as np
import pandas as pd
>>> df = pd.DataFrame(np.array([set([1,3,5]), set([1,3,5,6]), set([2,3,4,12]), set([1,3,7]), set([1,15,11]), set([1,16]), set([16])]),columns=['s'])
>>> df
s
0 set([1, 3, 5])
1 set([1, 3, 5, 6])
2 set([12, 2, 3, 4])
3 set([1, 3, 7])
4 set([1, 11, 15])
5 set([1, 16])
6 set([16])
...
>>> df2 = pd.DataFrame(np.array([[1,2,3,3,3,6,4,8,9,10,11,12,13,14,15,16,5,7],[2.,1.,3.,2.,1.,2.,3.,1.,1.,1.,1.,1.,1.,1.,1.,16.,1.,1.]]).T,columns=['key', 'value'])
>>> df2
key value
0 1 2
1 2 1
2 3 3
3 3 2
4 3 1
5 6 2
6 4 3
7 8 1
8 9 1
9 10 1
10 11 1
11 12 1
12 13 1
13 14 1
14 15 1
15 16 16
16 5 1
17 7 1
...
Фрейм данных df2 выше может содержать повторяющиеся ключи. Мы выбираем последний. Например, выберите значение «1,0» для ключа «3» выше.
Я хочу найти шесть верхних строк df['s'], которые могут максимально суммировать значения соответствующих им ключей, и отсортировать строки нового фрейма данных по их вкладу значения. Каков самый быстрый способ сделать это?
Для данного набора данных выше первые две строки результирующего кадра данных должны быть
df3:
set([1,16])
set([12,2,3,4])
...
Второй выше не установлен ([16]), потому что «16» уже содержится в наборе ([1,16]), а добавленное значение равно нулю из набора ([16]).
сортируются суммированием соответствующих значений ключей множества.
Обновить:
Чтобы упростить эту проблему, давайте рассмотрим, что df2 содержит только уникальные ключи. И это можно легко исправить на основе трюка Эндрю.